遥感卫星影像图像数据处理介绍
遥感数据处理的基本步骤与技巧
遥感数据处理的基本步骤与技巧遥感技术作为一种获取地球表面信息的重要手段，被广泛应用于农林牧渔、城市规划、环境监测等领域。
而遥感数据的处理和分析则是有效利用遥感信息的关键环节。
本文将介绍遥感数据处理的基本步骤与技巧，以帮助读者更好地应用遥感数据。
一、数据获取遥感数据的获取是遥感数据处理的第一步。
常用的遥感数据包括航空影像、卫星影像和激光雷达数据。
在选择遥感数据时，需根据具体的研究目标和需求，选择适合的数据类型和分辨率。
而对于不同类型的遥感数据，其获取的方法也有所不同。
例如，航空影像可以通过航拍或无人机获取，卫星影像可以通过遥感卫星获取。
二、数据预处理数据预处理是遥感数据处理的重要环节。
通过对遥感数据进行校正和增强，可以提高数据的质量和可用性。
常见的数据预处理步骤包括辐射校正、大气校正、几何纠正和镶嵌拼接。
辐射校正是将原始遥感数据转化为能量辐射亮度值，大气校正是去除大气散射和吸收的影响，几何纠正是将图像投影到地面坐标系，镶嵌拼接是将多个遥感图像拼接成一个完整的图像。
三、特征提取特征提取是遥感数据处理的关键环节之一。
通过对遥感图像中的特征进行提取和分类，可以获取地表覆盖类型、土地利用状况等信息。
常用的特征提取方法包括阈值分割、数学形态学、边缘检测和纹理分析等。
例如，通过采用基于阈值分割和数学形态学的方法，可以将遥感图像中的建筑物和道路等目标进行提取和分类。
四、数据分析数据分析是利用遥感数据进行研究和应用的重要环节。
通过对遥感数据的统计分析、模型建立和空间分析，可以揭示地表变化、环境演变等规律。
常用的数据分析方法包括主成分分析、分类与回归树、遥感时序分析和地形分析等。
例如，通过主成分分析方法，可以从遥感图像中提取出主要的波段特征，进而分析地表覆盖类型的空间分布和变化趋势。
五、结果验证结果验证是遥感数据处理的最后一步，也是决定数据处理结果可靠性的关键环节。
通过与实地调查和已有数据的对比，可以评估遥感数据处理的准确性和可信度。
卫星遥感图像处理的关键技术与应用
卫星遥感图像处理的关键技术与应用随着科技的不断进步，卫星遥感技术已经成为一种非常重要的手段，用于获取地球表面的相关信息。
卫星遥感图像处理技术是对卫星获取的图像进行处理和分析，以获得更准确和清晰的地球表面信息。
本文将重点探讨卫星遥感图像处理的关键技术与应用。
一、关键技术1. 遥感图像的预处理遥感图像的预处理是卫星遥感图像处理的第一步，包括图像增强、噪声去除、几何校正、辐射校准等。
图像增强技术旨在提高图像的质量和可视性，常用的增强技术包括直方图均衡化、空间滤波等。
噪声去除技术通过降低图像中的噪声水平，改善图像的质量。
几何校正是为了消除图像中由于地表坡度、地球曲率等因素造成的形变影响，使图像在空间上具有准确的几何性质。
辐射校准是调整图像的辐射亮度，以使其能够反映地表上不同物质的辐射特性。
2. 特征提取与目标识别特征提取与目标识别是卫星遥感图像处理中的关键环节。
特征提取是指通过计算和分析图像中的纹理、形状、颜色等特征来描述地物。
常用的特征提取方法包括灰度共生矩阵、小波变换、主成分分析等。
目标识别是指根据提取到的特征，将图像中的地物进行分类和识别。
常见的目标识别方法包括支持向量机、人工神经网络等。
3. 数据融合与时序分析数据融合是指将多源、多尺度、多时相的遥感数据进行融合，以获取更全面和准确的地表信息。
常用的数据融合方法包括像素级数据融合、特征级数据融合和决策级数据融合。
时序分析是利用多时相的遥感影像进行变化检测和监测，以了解地表变化的情况。
常见的时序分析方法包括差异图像法、频域分析法等。
二、应用领域1. 环境监测与灾害评估卫星遥感图像处理技术在环境监测与灾害评估方面具有重要的应用价值。
通过对遥感图像进行处理和分析，可以实时监测和评估地表水质、土地利用、植被覆盖等环境因素的变化情况，为环境保护、资源管理等提供可靠的数据支持。
同时，在自然灾害的预警和应急响应中，卫星遥感图像处理技术可以提供灾害范围、类型和程度等关键信息，为抢救和救援工作提供科学依据。
遥感卫星影像仪的高效图像处理与智能解译技术
遥感卫星影像仪的高效图像处理与智能解译技术遥感卫星影像仪在现代地球观测和环境监测中扮演着重要角色。
它们能够获取地球表面的高分辨率图像，为各个领域的研究和决策提供了宝贵的数据支持。
然而，由于获取到的遥感数据庞大且复杂，需要进行高效的图像处理和智能解译，才能更好地发挥其价值。
本文将介绍一些相关的高效图像处理和智能解译技术。
一、遥感卫星影像仪的图像处理技术1. 图像增强图像增强是提高遥感影像视觉效果和信息可提取性的重要步骤。
通过调整图像的亮度、对比度和色彩平衡等参数，可以增强图像的细节和辨识度。
常用的图像增强技术包括直方图均衡化、滤波和锐化等。
2. 图像拼接由于遥感卫星影像仪的视场有限，通常需要多幅影像进行拼接，以获取更大范围的地表信息。
图像拼接技术可以将多幅影像无缝拼接成一幅大图像，保持图像的连续性。
常用的图像拼接算法包括特征点匹配和块匹配法等。
3. 压缩与存储由于遥感数据量庞大，为了有效地传输和存储，需要进行数据压缩。
常见的遥感数据压缩算法有有损压缩（如JPEG）和无损压缩（如LZW）等。
压缩后的数据可以节约存储空间，并且有利于后续处理和分析。
二、遥感卫星影像仪的智能解译技术1. 自动分类遥感影像中的特征信息非常丰富，通过使用机器学习和人工智能等技术，可以实现对地物的自动分类。
常见的自动分类算法包括支持向量机（SVM）、神经网络和决策树等。
这些算法可以根据遥感影像的特征，自动将地物分成不同的类别，提高分类的准确性和效率。
2. 目标检测目标检测是在遥感影像中寻找并识别感兴趣的目标物体。
借助深度学习等技术，可以实现对遥感影像中的建筑物、道路和水体等目标的快速检测。
目标检测技术有助于地理信息系统（GIS）的建设和城市规划等领域的决策支持。
3. 变化检测利用不同时期的遥感影像，可以进行地表变化的检测。
通过比较两幅或多幅影像之间的差异，可以判断出地表的变化情况。
变化检测技术在环境监测、灾害评估和资源管理等方面具有重要的应用价值。
遥感卫星数据处理知识详解
北京揽宇方圆信息技术有限公司遥感卫星数据处理知识详解遥感技术自20世纪60年代兴起以来，被应用于各种传感仪器对电磁辐射信息的收集、处理，并最后成像。
遥感信息通常以图像的形式出现，故这种处理也称遥感图像信息处理。
那对遥感图像处理可以达到什么目的呢？①消除各种辐射畸变和几何畸变，使经过处理后的图像能更真实地表现原景物真实面貌；②利用增强技术突出景物的某些光谱和空间特征，使之易于与其它地物的K 分和判释；③进一步理解、分析和判别经过处理后的图像，提取所需要的专题信息。
遥感信息处理分为模拟处理和数字处理两类（见数据釆集和处理）。
遥感数据处理过程多谱段遥感信息的处理过程是：①数据管理：地面台站接收的原始信息经过摄影处理、变换、数字化后被转换成为正片或计算机兼容的磁带，将得到的照片装订成册，并编目提供用户选用。
②预处理：利用处理设备对遥感图像的几何形状和位置误差、图像辐射强度信息误差等系统误差进行几何校正和辐射校正。
③精处理：消除遥感平台随机姿态误差和扫描速度误差引起的几何畸变，称为几何精校正；消除因不同谱段的光线通过大气层时受到不同散射而引起的畸变，称为大气校正。
④信息提取：按用户要求进行多谱段分类、相关掩模、假彩色合成、图像增强、密度分割等。
⑤信息综合：将地面实况调查与不同高度、不同谱段遥感获得的信息综合编辑，并绘制成各种专题图。
遥感信息处理方法和模型越来越科学，神经网络、小波、分形、认知模型、地学专家知识以及影像处理系统的集成等信息模型和技术，会大大提高多源遥感技术的融合、分类识别以及提取的精度和可靠性。
统计分类、模糊技术、专家知识和神经网络分类有机结合构成一个复合的分类器，大大提高分类的精度和类数。
多平台、多层面、多传感器、多时相、多光谱、多角度以及多空间分辨率的融合与复合应用，是目前遥感技术的重要发展方向。
不确定性遥感信息模型和人工智能决策支持系统的开发应用也有待进一步研究。
多源遥感数据融合遥感数据融合技术旨在整合不同空间和光谱分辨率的信息来生产比单一数据包含更多细节的融合数据，这些数据来自于安放在卫星、飞行器和地面平台上的传感器。
卫星遥感技术的数据处理与解译教程
卫星遥感技术的数据处理与解译教程卫星遥感技术是一种通过卫星传感器获取地球表面信息的技术手段。
随着遥感卫星的发展和技术的进步，遥感数据的获取和处理已成为地学研究和资源管理中不可或缺的工具。
在这篇文章中，我们将向您介绍卫星遥感技术的数据处理与解译方法，帮助您快速掌握基本操作和技巧。
一、遥感数据处理的步骤1. 数据获取与选择首先，我们需要获取适合研究的遥感数据。
常见的卫星遥感数据包括Landsat、Sentinel、MODIS等系列数据。
根据具体研究需求，可以选择不同波段、分辨率和时间段的数据。
2. 数据预处理在使用遥感数据进行研究之前，我们需要对原始数据进行预处理。
这包括大气校正、辐射校正和几何校正等步骤，以确保数据的准确性和可比性。
3. 影像增强为了提取地物信息和进行可视化分析，我们可以对遥感影像进行增强处理。
常见的增强方法包括直方图均衡化、滤波和波段合成等。
4. 分类与分类精度评价遥感数据的分类是指将影像中的像素分配到不同的地物类别中。
常见的分类方法包括监督分类和无监督分类。
分类的结果需要进行分类精度评价，以验证分类准确性和可信度。
5. 特定应用的数据解译根据具体的应用需求，我们可以通过遥感数据解译获取所需的地物信息。
例如，利用NDVI（归一化植被指数）可以提取植被分布信息，利用NDWI（归一化水体指数）可以提取水体分布信息。
6. 数据分析与建模在获取地物信息之后，我们可以进行数据分析和建模，以深入研究地球表面的动态变化和环境响应。
常见的分析方法包括变化检测、时间序列分析和空间模型构建等。
二、常用的遥感数据处理软件1. ENVI（Environment for Visualizing Images）ENVI是一款功能强大的遥感数据处理软件，具有丰富的图像增强、数据分类和解译功能。
通过ENVI，用户可以方便地进行遥感数据的处理和分析。
2. ArcGIS（Arc Geographic Information System）ArcGIS是一款广泛使用的地理信息系统软件，同样提供了丰富的遥感数据处理和空间分析功能。
遥感影像处理技术的使用方法和技巧
遥感影像处理技术的使用方法和技巧遥感影像是通过卫星、飞机等平台获取的地球表面的图像数据。
这些图像数据蕴含着丰富的地理信息，可以被用于环境监测、城市规划、农业分析等多个领域。
然而，如何正确处理和分析这些遥感影像数据并提取有效信息则是一个挑战。
本文将介绍一些遥感影像处理技术的使用方法和技巧，帮助读者更好地利用遥感影像数据。
一、数据预处理在进行遥感影像数据处理之前，首先需要对数据进行预处理。
数据预处理过程中的一些常见步骤包括：1.数据格式转换，将原始影像数据转换为常见的图像格式，例如JPEG或TIFF。
2.图像辐射校正，校正影像中的辐射偏差，确保数据的准确性和可比性。
3.图像大气校正，消除大气中的干扰，提高数据的清晰度和色彩准确性。
二、影像增强影像增强是提升遥感影像质量和信息可读性的重要步骤。
以下是几种常见的影像增强方法：1.直方图均衡化，通过重新分配像素值来增强影像的对比度和亮度。
2.滤波器应用，使用平滑或锐化滤波器来去噪或增强影像细节。
3.伪彩色增强，将单波段图像转换为伪彩色图像，更好地显示地物信息。
三、特征提取特征提取是从遥感影像中提取有用信息的关键步骤。
以下是几种常见的特征提取方法：1.目标检测与分类，使用机器学习算法和图像处理技术来自动检测和分类影像中的目标。
2.变化检测，比较不同时期的遥感影像，提取地表变化信息，如土地利用变化、建筑物增长等。
3.纹理分析，分析影像中的纹理信息来提取地物特征，如土地覆盖类型等。
四、数据融合数据融合是将多源遥感影像数据整合到一个统一的分类或分析框架中的方法。
以下是几种常见的数据融合技术：1.特征级融合，将来自不同传感器或波段的特征进行组合，提高分类或分析的准确性。
2.决策级融合，将来自不同分类器或算法的决策结果进行权重组合，获得更可靠的分类结果。
五、结果验证与精度评价在遥感影像处理过程中，验证和评价处理结果的准确性是至关重要的。
以下是几种常见的结果验证和精度评价方法：1.地面真实数据采集，通过采集地面真实数据来验证分类或分析结果的准确性。
遥感数字图像处理一
STEP2
STEP3
STEP4
图像校正：包括辐射校正、几何校正。
增强处理：增强图像中的有用信息，利于识别分析。 包括彩色增强、直方图增强、图像运算、邻域增强、频率域增强、信息融合等。
图像变换：消除干扰和滤掉噪声，提高图像质量。
信息提取：图像分类（监督分类、非监督分类、神经网络分类、模糊分类）、空间信息提取、光谱信息提取。
方法：黑白扫描/彩色扫描
扫描时需注意： 扫描的空间分辨率
一般300dpi（像片）/ 600dpi（负片）可满足要求 灰度级：0-255（黑白）/ RGB（彩色）
航空像片的数字化
如何设置分辨率
过程: （1）空间采样 （2）属性量化
分辨率设置
例：将一张1:50000的航空图像扫描成分辨率是2米的数字化图(1pix=2m) 。 50000 lcm=500m 1cm内要有250个pix pix边长=1cm/250pix=0.004cm=0.001575inch (1cm=0.3937inch) 635pix/inch
辅助数据：数字图像尺寸等各种参数
多波段数字图像存储与分发的常用数据格式：
遥感数字图像的表示方法
BSQ(Band sequential)数据格式：按波段顺序依次排列， 1个文件，文件内划分1-K段，第n段数据为第n波段的图像数据[M行][N列]。 多式（Band interleaved by pixel），1个文件，[M行][N列]格式，每个单元顺序记录K个波段的相应数据。 多波段数字图像存储与分发的常用数据格式（2）
BIL数据格式（Band interleaved by line）， 1个文件，逐行按波段次序排列。第1波段的第1行、第2波段的第1行、…、第K波段的第1行；第1波段的第2行、第2波段的第2行、…、第K波段的第2行；…… 多波段数字图像存储与分发的常用数据格式（3）
测绘技术中的遥感数据处理方法与分析技巧
测绘技术中的遥感数据处理方法与分析技巧遥感技术作为测绘技术的一种重要手段，已经在地理信息系统（GIS）和地理空间信息科学（GIScience）等领域得到广泛应用。
遥感数据处理方法和分析技巧的应用不仅可以提供高质量的地理空间数据，还能支持地理空间分析和决策制定。
本文将介绍一些常见的遥感数据处理方法和分析技巧，并探讨它们在测绘技术中的应用。
一、遥感数据处理方法1. 遥感数据获取与预处理遥感数据获取包括卫星、航空和无人机遥感数据的收集与获取。
该过程中需要考虑分辨率、波段、时序等因素，并进行数据预处理，包括辐射定标、几何校正等，以确保数据的准确性和一致性。
2. 影像增强与融合影像增强是指通过调整图像的对比度、亮度、锐度等来提高遥感影像的图像质量。
常用的方法包括直方图均衡化、线性和非线性滤波等。
影像融合是将来自多个传感器的遥感影像融合为一幅影像，以提供更全面、更准确的信息。
融合方法包括像元级融合、特征级融合和决策级融合等。
3. 特征提取与分类特征提取是从遥感影像中提取出与目标有关的信息。
常用的特征包括纹理、形状、颜色等。
特征提取可以通过人工、半自动和自动的方法来实现。
分类是将遥感影像分为不同的类别，常用的分类方法包括最大似然分类、支持向量机分类和决策树分类等。
二、遥感数据分析技巧1. 地物变化检测与监测地物变化检测是指通过对多时相的遥感影像进行比较和分析，来检测地表上的变化。
常用的方法包括改变向量分析、差异图像法和变化向量分析等。
地物变化监测是指通过连续监测遥感影像的变化，来了解和研究地表的变化趋势和规律。
常用的方法包括时间序列分析和时空模型等。
2. 地表覆盖分类与制图地表覆盖分类是将遥感影像中的地物进行分类，并进一步制作地表覆盖图。
该过程中需要选择适当的分类方法，并参考地面真实数据进行验证和校正，以提高分类的准确性。
地表覆盖制图是将分类结果转化为地图，常用的方法包括像素级合成和对象级合成等。
3. 地形表面建模与分析地形表面建模是指通过遥感数据生成数字高程模型（DEM）和三维地形模型。
遥感卫星数据处理与分析的常用方法与技巧
遥感卫星数据处理与分析的常用方法与技巧引言：遥感技术是一种通过获取地球表面信息的非接触式手段，被广泛应用于农业、资源环境管理、城市规划等领域。
而遥感卫星数据处理和分析是利用遥感数据来提取和分析有用信息的重要环节。
本文将探讨遥感卫星数据处理与分析的常用方法与技巧，以帮助读者更好地应用和理解这一科技。
一、遥感卫星数据处理1. 数据获取首先要获取到遥感卫星数据，常见的途径有：从遥感卫星数据网站下载、购买有关数据、利用遥感卫星数据开放接口等。
在选择数据源时，应根据研究目标和需求来确定，同时要了解数据的时间、分辨率、波段等信息。
2. 数据预处理遥感卫星数据由于各种因素的影响可能存在噪声、云状物等问题，需要进行预处理。
常见的预处理步骤包括：辐射校正、大气校正、几何校正、云检测等。
这些步骤的目的是减少数据中的干扰因素，保证后续分析的准确性。
3. 数据融合数据融合是指将来自不同源的遥感数据融合成一幅图像，以便更好地获取信息。
数据融合可以通过图像融合算法来实现，如：像元级融合、特征级融合等。
数据融合后的图像能够同时具备多种波段和分辨率的信息，有助于更全面地分析研究对象。
二、遥感卫星数据分析1. 监测地表变化遥感卫星数据可以帮助我们监测和分析地表的变化情况。
通过对同一地区不同时期的遥感影像进行对比，可以观察到土地利用、植被覆盖、水域变化等的变化趋势。
这对于环境保护、土地利用规划等具有重要意义。
2. 提取地表信息利用遥感卫星数据，可以提取出许多有用的地表信息。
例如，通过光谱分析技术，可以提取出植被指数，进而评估植被的生长状态；通过纹理分析技术，可以提取出地表纹理以进行地貌分析。
这些信息对于农作物监测、资源调查等方面非常有用。
3. 航迹识别通过遥感卫星数据，我们可以进行航迹识别，即追踪某一对象在地表的活动轨迹。
利用目标识别算法和时序遥感数据，可以对航迹进行提取和分析。
这对于交通管理、物流追踪等应用具有重要意义。
结论：遥感卫星数据的处理与分析是利用遥感数据进行科学研究和实际应用的关键环节。
遥感卫星影像处理与遥感数据应用
遥感卫星影像处理与遥感数据应用遥感卫星影像处理与遥感数据应用是一项利用遥感技术获取和处理卫星影像数据，并应用这些数据进行地理信息分析、资源评估、环境监测等方面的研究与应用任务。
遥感卫星是指运行在地球轨道上的一种卫星，它搭载有遥感传感器，可以通过感应地球表面反射、辐射的电磁波，并将其转化为数字图像数据。
这些遥感卫星影像数据可以提供高分辨率、广覆盖率的地球表面信息，对于地理空间分析具有重要意义。
遥感卫星影像处理是指基于遥感卫星获取的数字图像数据，通过一系列的图像预处理、影像纠正、特征提取、分类分类等一系列操作，将原始影像数据转化为可用于地理信息系统分析的矢量或光栅数据。
这些数据可以被用于生成地形图、土地利用分类图、植被盖度研究等目的。
首先，遥感卫星影像处理的第一步是图像预处理。
图像预处理包括辐射校正、大气校正、几何校正等步骤，以确保获取到的影像数据具备一致性和可比性。
通过辐射校正，可以将原始影像数据从数值上可比较，并将其转换为反射率或亮度值。
大气校正则移除了大气对影像的影响，减少由于大气散射和吸收而引起的信息噪声。
几何校正则纠正影像中的位置、角度等几何失真，以保证影像数据准确地反映地球表面的特征。
其次，遥感卫星影像处理的下一步是影像纠正。
影像纠正是指通过对影像进行投影变换、边缘匹配、波段匹配等处理，使得图像在空间尺度和角度上比较准确地与地理实体匹配。
通过影像纠正，可以使影像数据受到形变、旋转、尺度变化等因素的影响较小，为后续的地理信息分析提供准确的基础。
第三，遥感卫星影像处理的关键步骤是特征提取。
特征提取是指从遥感卫星影像数据中提取出与地理实体相关的特征信息。
常见的特征包括植被指数、土地利用类型、水体信息等。
通过采用不同的光谱拓谱和纹理特征的计算方法，可以提取出不同类型地物的特征信息。
特征提取是遥感卫星影像处理的重要环节，为后续的分类和分析提供了基础。
最后，遥感卫星影像处理的最终目标是分类分析。
分类分析是利用遥感卫星影像数据，对地球表面的特征进行分割、分类和识别。
遥感数据处理与图像识别技术
遥感数据处理与图像识别技术一、引言随着科技的进步和信息时代的到来，遥感数据处理与图像识别技术的应用越来越广泛。
遥感数据处理与图像识别技术能够提取出大量的地理信息，为地质、环境、农业等行业的研究和决策提供了有效的手段。
本文将从遥感数据处理和图像识别技术的概念、原理及应用等多个方面进行详细介绍。
二、遥感数据处理技术1. 遥感数据概述遥感是指通过航空、航天等手段获取地球表面信息的技术。
遥感数据包括各种能量波段的信息，如光学、红外、微波等。
这些数据可以提供地表物体的位置、形状、结构、光谱和辐射等信息，为地理信息系统提供数据来源。
2. 遥感数据处理原理遥感数据处理主要包括数据获取、预处理、信息提取和结果分析等步骤。
数据获取是指通过卫星、航行器或飞机等手段获取遥感数据。
预处理是对原始数据进行去除噪声、校正等处理，以提高数据质量。
信息提取是指根据任务需求来提取地理信息，如土地覆盖状况、气候变化等。
结果分析是对提取的信息进行统计、分析和解释，得出相关的结论。
3. 遥感数据处理应用领域遥感数据处理技术在农业、环境、城市规划等领域有着广泛的应用。
在农业方面，遥感数据可以用来估计作物的生长状况、监测灾害情况等。
在环境方面，遥感数据可以用来监测水体的质量、土地覆盖变化等。
在城市规划方面，遥感数据可以用来制定土地利用规划、城市扩张等。
总之，遥感数据处理技术为各个领域的研究提供了可靠的数据支持。
三、图像识别技术1. 图像识别概述图像识别是指通过计算机算法对图像进行自动识别和分类的技术。
图像识别可以分为目标检测、图像分割和图像分类等不同的任务。
目标检测是指在图像中定位和识别特定对象的位置。
图像分割是指将图像分成若干个不同的区域或物体。
图像分类是指将图像分为不同的类别。
2. 图像识别原理图像识别技术主要包括特征提取和分类器训练两个步骤。
特征提取是指从图像中提取出有用的特征表示。
常见的特征包括颜色、纹理、形状等。
分类器训练是指通过机器学习算法训练一个分类器，根据提取的特征对图像进行分类。
遥感数字图像处理
遥感数字图像处理1. 概述遥感数字图像处理是指利用遥感技术获取的各种遥感数据，如航空影像、卫星影像等，进行数字化处理和分析的过程。
遥感数字图像处理在地理信息系统（GIS）领域有着广泛的应用，能够提取出地表覆盖类型、地形和植被等丰富的地理信息，为环境监测、资源管理、农业和城市规划等领域提供重要的数据支持。
2. 遥感数字图像处理的步骤遥感数字图像处理主要包括以下几个步骤：2.1 数据获取数据获取是遥感数字图像处理的第一步，通过卫星、航拍等遥感设备获取地理信息数据。
这些数据以数字图像的形式存在，包括多光谱、高光谱、雷达和激光雷达等数据。
2.2 数据预处理数据预处理是为了消除图像中的噪声和伪影，以及纠正图像的几何和辐射畸变。
常见的数据预处理方法包括辐射校正、几何校正、大气校正等。
2.3 图像增强图像增强是为了使图像更加清晰，突出地物的特征。
常用的图像增强方法包括直方图均衡化、滤波、锐化等。
2.4 特征提取特征提取是为了从图像中提取出具有区别性的特征，以便进行后续的分类和识别。
常见的特征提取方法包括纹理特征、形状特征、频域特征等。
2.5 图像分类图像分类是将图像中的像素划分为不同的类别。
常用的图像分类方法包括基于像元的分类、基于对象的分类、基于深度学习的分类等。
2.6 图像分割图像分割是将图像划分为不同的区域或对象。
常用的图像分割方法包括阈值分割、边缘分割、区域生长等。
2.7 地物提取地物提取是从图像中提取出感兴趣的地物或地物属性。
常见的地物提取方法包括目标检测、目标识别、地物面积计算等。
2.8 结果评价结果评价是对处理结果进行准确性和可靠性的评估。
常用的结果评价方法包括混淆矩阵、精度评定、误差矩阵等。
3. 遥感数字图像处理的应用遥感数字图像处理在各个领域都有广泛的应用，主要包括以下几个方面：3.1 环境监测遥感数字图像处理可以用于环境监测，如水质监测、土壤污染监测等。
通过遥感图像，可以获取水体和土地的信息，分析水质和土壤的污染程度。
遥感图像处理知识点总结
遥感图像处理知识点总结一、遥感概述遥感是利用飞机、卫星等远距传感器获取地球表面信息的科学技术。
遥感图像处理就是处理遥感数据，进行信息提取的过程.二、遥感图像处理流程遥感图像处理的基本流程包括：数据获取、预处理、图像增强、特征提取和分类等环节。
1. 数据获取数据获取是遥感图像处理的第一步，可以通过卫星、飞机等遥感平台获得各种类型的遥感数据。
2. 预处理预处理是遥感图像处理的重要步骤，主要包括大气校正、几何校正、辐射定标等过程，目的是消除数据中的噪声和误差，保证数据质量。
3. 图像增强图像增强是指通过一系列的处理方法，提高遥感图像的视觉效果，突出图像中的信息，以便进行后续的分析和应用。
常见的图像增强方法包括直方图均衡化、滤波、拉普拉斯变换等。
4. 特征提取特征提取是指从原始遥感图像中提取各种地物和地物信息，常见的特征包括形状、纹理、光谱等。
5. 分类分类是将遥感图像中的像素划分到不同的类别中，如水体、植被、建筑等。
常用的分类方法包括最大似然分类、支持向量机（SVM）、人工神经网络等。
6. 应用遥感图像处理的最终目的是为了实现一定的应用目标，如土地利用/覆盖分类、资源调查、环境监测等。
三、遥感图像处理相关算法1. 监督分类监督分类是指在给定训练样本的情况下，采用某种分类算法识别遥感影像中的地物类型。
常用的监督分类算法有最大似然分类、支持向量机（SVM）、随机森林等。
2. 无监督分类无监督分类是指在不需要人工干预的情况下，利用图像自身的统计特性将像元分成若干类别。
常用的无监督分类算法有K均值聚类、ISODATA聚类等。
3. 特征提取特征提取是为了描述地物的形态、光谱、纹理等特性，从而区分不同地物。
常用的特征提取方法有主成分分析（PCA）、线性判别分析（LDA）、小波变换等。
4. 联合处理联合处理是指将多幅遥感影像进行融合，或者将遥感影像与其他数据进行联合处理，从而获取更多的地物信息。
常用的联合处理方法包括影像融合、多源数据融合等。
遥感影像预处理的正确步骤
遥感影像预处理的正确步骤在遥感领域，影像预处理是遥感数据处理的重要环节，对于提高遥感影像的质量和后续分析具有重要意义。
以下是遥感影像预处理的正确步骤：一、数据获取与预处理1.数据获取：遥感影像数据来源于各种遥感卫星、航空遥感等，需要根据研究目的选择合适的数据源。
2.预处理：数据获取后，需要对数据进行预处理，以消除原始数据中的噪声、异常值等问题。
预处理方法包括去除噪声、裁剪、缩放等。
二、几何校正与图像配准1.几何校正：由于遥感影像在采集过程中可能受到传感器本身、地球曲率、大气折射等因素的影响，导致影像几何变形。
几何校正旨在消除这些变形，提高影像质量。
常见的方法有传感器模型校正、基于控制点的几何校正等。
2.图像配准：图像配准是将多幅遥感影像（如多光谱影像和单波段高分辨率影像）进行空间对齐，使其在同一坐标系统下。
配准方法有基于像素的配准、基于变换的配准等。
三、图像融合1.图像融合是将不同分辨率、不同光谱的遥感影像融合为高分辨率、多光谱的影像。
常见的图像融合方法有：（1）IHS变换融合：将高分辨率全色影像与亮度进行直方图匹配，然后去掉亮度，用预处理的高分辨率全色影像代替。
与色度H、饱和度S一起，利用逆变换式变换至RGB系统，得到融合后的影像。
（2）小波变换融合：利用人眼对局部对比度变化敏感的特性，根据一定的融合规则，在多幅原图像中选择最显著的特征（如边缘、线段等），并将这些特征保留在融合后的图像中。
四、影像增强与分割1.影像增强：通过调整亮度、对比度、色彩平衡等参数，提高遥感影像的视觉效果。
常见的增强方法有：直方图均衡化、自适应直方图均衡化、色彩空间转换等。
2.影像分割：将融合后的遥感影像划分为不同的区域，以便进行后续分析。
常见的分割方法有：基于阈值的分割、基于区域的分割、基于边缘的分割、基于深度学习的分割等。
五、特征提取与分析1.特征提取：从遥感影像中提取有意义的特征，如纹理、颜色、形状等。
常见的特征提取方法有：灰度共生矩阵、局部二值模式（LBP）、HOG特征等。
遥感卫星影像数据预处理一般流程介绍
镶嵌
当研究区超出单幅遥感图像所覆盖的范围时，通常需要将两幅或多幅图像拼接起来形 成一幅或一系列覆盖全区的较大的图像。
在进行图像的镶嵌时，需要确定一幅参考图像，参考图像将作为输出镶嵌图像的基 准，决定镶嵌图像的对比度匹配、以及输出图像的像元大小和数据类型等。镶嵌得两幅或 多幅图像选择相同或相近的成像时间，使得图像的色调保持一致。但接边色调相差太大 时，可以利用直方图均衡、色彩平滑等使得接边尽量一致，但用于变化信息提取时，相邻 图像的色调不允许平滑，避免信息变异。
1、GCP 在图像上有明显的、清晰的点位标志，如道路交叉点、河流交叉点等； 2、地面控制点上的地物不随时间而变化。
GCP 均匀分布在整幅图像内，且要有一定的数量保证，不同纠正模型对控制点个数的 需求不相同。卫星提供的辅助数据可建立严密的物理模型，该模型只需 9 个控制点即可； 对于有理多项式模型，一般每景要求不少于 30 个控制点，困难地区适当增加点位；几何 多项式模型将根据地形情况确定，它要求控制点个数多于上述几种模型，通常每景要求在 30-50 个左右，尤其对于山区应适当增加控制点。
的辐射值在不同时相遥感图像上一致，从而完成地物动态变化的遥感动态监测。
北京揽宇方圆信息技术有限公司
（3）图像重采样 重新定位后的像元在原图像中分布是不均匀的,即输出图像像元点在输入图像中的行 列号不是或不全是正数关系。因此需要根据输出图像上的各像元在输入图像中的位置，对 原始图像按一定规则重新采样，进行亮度值的插值计算，建立新的图像矩阵。常用的内插 方法包括： 1、最邻近法是将最邻近的像元值赋予新像元。该方法的优点是输出图像仍然保持原 来的像元值，简单，处理速度快。但这种方法最大可产生半个像元的位置偏移，可能造成 输出图像中某些地物的不连贯。
ENVI遥感图像处理-高分一号PMS数据处理
大家辛苦了！ 休息休息，马上回来！
下节内容更精彩！
处理专题：高分一号/二号PMS数据处理
主要内容
高分一号（GF-1）卫星搭载了两台2m分辨率全色/8m分 辨率多光谱相机（PMS），四台16m分辨率多光谱相机 （WFV）。GF-1卫星自2013年成功发射以来，凭借空 间分辨率、多光谱、高时间分辨率和大覆盖的结合等优 势，为众多行业提供了大量的高质量影像数据。
在Toolbox中，启动/Image Sharpening/NNDiffuse Pan Sharpening
植被增强（可选）
将素材包中的…\常用ENVI功能扩展工具\植被增强工具 envi_vegetation_enhance.sav文件拷贝到安装目录 extensions中，重启ENVI。
在Toolbox中，启动/Extensions/Vegetation Enhance。
• Scale Factor：10000 • Output Data Type：Uint
1. 全色图像很难进行大气校正，所以 一般在定量遥感中不使用全色图像。 本流程中只是为了说明所有处理的 流程，所以包括了全色图像。
2. 本流程中包括了大气校正，如果不 涉及到遥感定量方面的应用，可不 进行大气校正，也就是只包括正射 校正和图像融合。
本专题详细介绍了GF-1-PMSL1A级数据处理的流程。涉 及数据的打开、大气校正、正射校正、图像融合处理。 如果图像融合结果直接作为影像底图，可进行植被增强 等处理。
处理流反射率
正射校正
正射校正
图像融合
设置参数：
• Calibration Type： Reflectance
多光谱/全色正射校正
在Toolbox中，启动/Geometric Correction/Orthorectification/RPC Orthorectification Workflow工具
测绘技术遥感数字图像处理流程
测绘技术遥感数字图像处理流程一、引言随着科技的不断进步和数字化浪潮的涌现，测绘技术在遥感领域的应用日益广泛。
遥感数字图像处理流程作为测绘技术的关键环节之一，对于提取地理信息、进行环境监测和资源管理等方面具有重要意义。
本文将围绕测绘技术遥感数字图像处理流程展开论述，介绍其基本概念、相关技术和应用领域。
二、遥感数字图像处理流程的概念遥感数字图像处理流程是指利用遥感技术获取的数字图像进行预处理、特征提取、分类与识别等一系列处理的过程。
它主要包括数据获取、数据预处理、特征提取与选择、分类与识别等环节。
1. 数据获取数据获取是遥感数字图像处理流程的第一步，主要通过遥感卫星、航空遥感和无人机等平台获取遥感影像数据。
这些数据以数字形式记录了地球表面的各种信息，包括光谱信息、空间信息、时间信息等。
2. 数据预处理数据预处理是指对获取到的原始图像进行纠正、校正和增强处理，以消除影像中的噪声、提高影像的质量和可用性。
常见的数据预处理方法包括辐射校正、几何校正、大气校正和增强处理等。
3. 特征提取与选择特征提取与选择是遥感数字图像处理流程中的核心环节，旨在从遥感影像中提取出反映地物和地区信息的特征。
特征可以包括光谱特征、纹理特征、形状特征等多种类型，通过合理选择和组合这些特征，可以对不同地物进行分类和识别。
4. 分类与识别分类与识别是遥感数字图像处理流程中的最终目标，主要通过将图像中的像素点或区域划分为不同的类别或进行目标识别。
常用的分类方法有基于像元的分类、基于对象的分类和基于深度学习的分类等。
三、遥感数字图像处理流程的相关技术1. 辐射校正技术辐射校正技术是数据预处理环节中常用的一种技术，其目的是消除影像中的大气、地表反射等因素对光谱反射率的影响，使得不同数据源和不同时段的遥感影像具备可比性。
常用的辐射校正方法有大气校正模型、规范作用法等。
2. 图像分类技术图像分类技术是遥感数字图像处理流程中的重要环节，主要用于将遥感影像中的像素点或区域划分为不同的类别。
遥感数据处理的基本流程和工具介绍
遥感数据处理的基本流程和工具介绍遥感数据处理是指利用卫星或其他遥感平台获得的遥感影像数据进行分析、处理和应用的过程。
遥感数据处理的目的是从遥感影像数据中提取有效信息，并将其转化为具有实际应用价值的产品和服务。
本文将介绍遥感数据处理的基本流程和一些常用的工具。
一、遥感数据处理的基本流程1. 遥感数据获取：首先需要获取遥感影像数据，可以通过卫星、无人机等平台采集数据。
常见的遥感数据来源包括Landsat、MODIS、Sentinel等卫星影像。
数据获取后，需要将其存储在计算机或服务器上。
2. 遥感数据预处理：在进行后续处理前，需要对遥感数据进行预处理。
预处理包括对影像进行辐射定标（radiometric calibration）、大气校正（atmospheric correction）、几何校正（geometric correction）等步骤。
这些步骤的目的是消除遥感影像中的噪声和偏差，提高数据的质量和可信度。
3. 影像分类：影像分类是遥感数据处理的核心环节，其目的是将遥感影像中的像素按照不同的地物类型进行划分。
常用的分类方法包括基于像元（pixel-based）的分类、基于目标（object-based）的分类等。
这些方法通常使用统计学、机器学习等技术进行像元或目标的识别和分类。
4. 特征提取：在进行影像分类后，常常需要从分类结果中提取特定地物的影像特征。
特征提取可以从影像数据的光谱、纹理、形状等方面进行，以获取地物的相关信息。
常见的特征提取方法包括主成分分析（PCA）、纹理分析、滤波等。
5. 数据融合：数据融合是将多个遥感数据源（如多个波段、多个传感器）融合起来，以获得更全面和丰富的信息。
常用的融合方法包括多波段融合、多尺度融合、多时相融合等。
数据融合可以提高数据的分辨率和准确性，从而改善地物分类和分析的结果。
6. 地物检测和变化监测：地物检测和变化监测是利用遥感数据识别和监测特定地物的空间分布和时变特征。
卫星遥感数据的获取与处理技巧
卫星遥感数据的获取与处理技巧卫星遥感技术是一种通过卫星获取地球表面各类信息的一项技术，它依赖于遥感卫星通过感测地球表面的电磁波辐射，将获取的数据转化为数字数据，通过处理和分析，得出对应的地球表面信息。
在现代科技的进步下，卫星遥感技术已经被广泛应用于地球科学、环境监测、气候研究等领域。
本文将重点介绍卫星遥感数据的获取与处理技巧。
一、卫星遥感数据获取技巧1. 数据源选择卫星遥感数据的获取首先要选择合适的数据源。
目前，市场上存在许多遥感卫星，如Landsat、Sentinel等。
对于不同的应用，选择合适的卫星数据源是十分重要的。
比如，在土地利用与土地覆盖方面的研究中，Landsat系列卫星提供的高空间分辨率数据是较为理想的选择。
2. 数据获取在选择了合适的数据源后，我们需要付费或获取免费的卫星遥感数据。
大多数遥感数据都可以从专业的卫星数据中心或相关的网站上获取，包括美国地质调查局、欧洲空间局等机构。
3. 数据预处理获取到的原始遥感数据往往需要进行预处理，以使其适合后续的分析处理。
预处理的步骤包括图像辐射定标、大气校正、几何校正等。
这些步骤的目的是消除图像中的噪声、减少光谱重叠等，使数据更准确地反映地表的实际情况。
二、卫星遥感数据处理技巧1. 影像分类卫星遥感数据处理的一个重要环节是影像分类。
通过将图像中的像素分配到不同的类别，可以获得地表物质的类型和分布信息。
影像分类一般分为无监督分类和监督分类两种。
无监督分类是根据像元的统计特征自动将其分为不同类别，而监督分类则需要依赖训练样本来进行分类。
根据地表特征和研究目的，选择适合的分类方法和算法是关键。
2. 特征提取在卫星遥感数据处理中，常常需要提取出有用的特征。
特征指的是能够描述物体或区域性质的某种属性或属性组合。
常用的特征有光谱特征、纹理特征、形状特征等。
通过提取合适的特征，可以更准确地反映地表物体的性质和分布情况。
3. 数据融合卫星遥感数据融合是指将来自不同传感器、不同时刻或不同波段的数据进行叠加和整合，得到更全面、准确的信息。
卫星遥感数据处理的高级技术方法
卫星遥感数据处理的高级技术方法卫星遥感数据处理是利用遥感卫星获取的遥感数据进行处理和分析，以获得地球表面的信息和数据。
随着遥感技术的不断发展和卫星数据的日益丰富，卫星遥感数据处理的技术方法也在不断创新和进步。
以下将介绍一些卫星遥感数据处理的高级技术方法。
1.遥感影像处理技术遥感影像处理是卫星遥感数据处理的核心环节，包括预处理、图像去噪、辐射校正、几何校正、镶边和拼接、特征提取等。
在预处理阶段，可以采取基础处理技术，如影像重采样、几何校正、辐射校正等，以提高数据的质量和准确性。
图像去噪是在影像中去除噪声和杂点，使目标更清晰可见。
在特征提取阶段，可以利用图像分类、目标识别等技术，提取出地面目标的信息。
2.遥感数据融合技术遥感数据融合是将来自不同传感器或不同波段的遥感数据进行融合，以获取更全面和准确的信息。
数据融合技术包括像素级融合、特征级融合和决策级融合等。
像素级融合是将不同传感器获得的像素值进行融合，以提高空间分辨率和光谱分辨率。
特征级融合是将不同传感器获得的特征信息进行融合，以提高分类精度和目标检测效果。
通过数据融合技术，可以充分发挥各种遥感数据的优势，提高数据处理的效率和精度。
3.遥感数据挖掘技术遥感数据挖掘是利用遥感数据进行信息提取和知识发现的技术，包括分类、目标检测、变化检测、异常检测等。
分类是将遥感影像中的像元按照其属性分为不同类别，常用的分类方法包括传统的监督分类和无监督分类，以及基于深度学习的卷积神经网络（CNN）等。
目标检测是在遥感影像中检测出特定目标或区域，可以采用目标检测算法，如基于目标形状、纹理、颜色等特征的目标检测方法。
变化检测是通过对不同时段的遥感影像进行比较，检测出地表的变化信息，可以用于监测城市扩张、土地利用变化等。
异常检测是在遥感影像中检测出异常的像元或区域，用于发现地表的异常事件和情况。
4.大数据技术在遥感数据处理中的应用随着遥感数据量的不断增加和传感器技术的进步，遥感数据处理已经成为一个大数据处理的挑战。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
北京揽宇方圆信息技术有限公司遥感卫星影像图像数据处理介绍北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。
遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。
优势：1：北京揽宇方圆国内老牌卫星数据公司，经营时间久，行业口碑相传，1800个行业用户选择的实力见证。
2：北京揽宇方圆遥感数据购买专人数据查询一对一服务，数据查询网址是卫星公司网。
3：北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。
4：北京揽宇方圆国家高新技术企业，通过ISO900认证的国际质量管理操作体系，无论是遥感卫星品质和遥感数据处理质量，都能得到保障。
5：影像数据官方渠道：所有的卫星数据都是卫星公司授权的原始数据，全球公众数据查询网址公开查询，影像数据质量一目了然，数据反应客观公正实事求是，数据处理技术团队国标规范操作，提供的是行业优质的专业化服务。
6：签定正规合同：影像数据服务付款前，买卖双方须签订服务合同，提供合同相应的正规发票，发票国家税网可以详细查询，有增值税普通发票和增值税专用发票两种发票类型可供选择。
以最有效的法律手段来保障您的权益。
7：对公帐号转款：合同约定的对公帐号，与合同主体名发票上面的帐号名称一致，是由工商行政管理部门核准的公司银行账户，所有交易记录均能查询，保障资金安全。
8：售后服务：完善的售后服务体制，全国热线，登陆官网客服服务同步。
技术能力说明北京揽宇方圆拥有大型正版遥感处理软件，遥感数据处理工程师有10年以上遥感处理工作经验，并有国家大型项目工作经验自主卫星数据处理软件著作权，最大限度保持遥感卫星影像处理的真实度。
一．图像预处理1．降噪处理由于传感器的因素，一些获取的遥感图像中，会出现周期性的噪声，我们必须对其进行消除或减弱方可使用。
（1）除周期性噪声和尖锐性噪声周期性噪声一般重叠在原图像上，成为周期性的干涉图形，具有不同的幅度、频率、和相位。
它形成一系列的尖峰或者亮斑，代表在某些空间频率位置最为突出。
一般可以用带通或者槽形滤波的方法来消除。
消除尖峰噪声，特别是与扫描方向不平行的，一般用傅立叶变换进行滤波处理的方法比较方便。
图1消除噪声前图2消除噪声后（2）除坏线和条带去除遥感图像中的坏线。
遥感图像中通常会出现与扫描方向平行的条带，还有一些与辐射信号无关的条带噪声，一般称为坏线。
一般采用傅里叶变换和低通滤波进行消除或减弱。
图3去条纹前图4去条纹后图5去条带前图6去条带后2．薄云处理由于天气原因，对于有些遥感图形中出现的薄云可以进行减弱处理。
3．阴影处理由于太阳高度角的原因，有些图像会出现山体阴影，可以采用比值法对其进行消除。
二．几何纠正通常我们获取的遥感影像一般都是Level2级产品，为使其定位准确，我们在使用遥感图像前，必须对其进行几何精纠正，在地形起伏较大地区，还必须对其进行正射纠正。
特殊情况下还须对遥感图像进行大气纠正，此处不做阐述。
1．图像配准为同一地区的两种数据源能在同一个地理坐标系中进行叠加显示和数学运算，必须先将其中一种数据源的地理坐标配准到另一种数据源的地理坐标上,这个过程叫做配准。
（1）影像对栅格图像的配准将一幅遥感影像配准到相同地区另一幅影像或栅格地图中，使其在空间位置能重合叠加显示。
图7图像配准前图8图像配准后（2）影像对矢量图形的配准将一幅遥感影像配准到相同地区一幅矢量图形中，使其在空间位置上能进行重合叠加显示。
2．几何粗纠正这种校正是针对引起几何畸变的原因进行的，地面接收站在提供给用户资料前，已按常规处理方案与图像同时接收到的有关运行姿态、传感器性能指标、大气状态、太阳高度角对该幅图像几何畸变进行了校正.3．几何精纠正为准确对遥感数据进行地理定位，需要将遥感数据准确定位到特定的地理坐标系的，这个过程称为几何精纠正。
（1）图像对图像的纠正利用已有准确地理坐标和投影信息的遥感影像，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
（2）图像对地图（栅格或矢量）利用已有准确地理坐标和投影信息的扫描地形图或矢量地形图，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
图9参考地形图图10待纠正影像图11纠正后影像和地形图套和效果（3）图像对已知坐标点（地面控制点）利用已有准确地理坐标和投影信息的已知坐标点或地面控制点，对原始遥感影像进行纠正，使其具有准确的地理坐标和投影信息。
4．正射纠正利用已有地理参考数据（影像、地形图和控制点等）和数字高程模型数据（DEM、GDEM），对原始遥感影像进行纠正，可消除或减弱地形起伏带来的影像变形，使得遥感影像具有准确的地面坐标和投影信息。
图12数字正射影像图三．图像增强为使遥感图像所包含的地物信息可读性更强，感兴趣目标更突出，需要对遥感图像进行增强处理。
1．彩色合成为了充分利用色彩在遥感图像判读和信息提取中的优势，常常利用彩色合成的方法对多光谱图像进行处理，以得到彩色图像。
彩色图像可以分为真彩色图像和假彩色图像。
图13真彩色合成(TM321)图14假彩色合成(TM432)2．直方图变换统计每幅图像的各亮度的像元数而得到的随机分布图，即为该幅图像的直方图。
一般来说，包含大量像元的图像，像元的亮度随机分布应是正态分布。
直方图为非正态分布，说明图像的亮度分布偏亮、偏暗或亮度过于集中，图像的对比度小，需要调整该直方图到正态分布，以改善图像的质量。
图15直方图拉伸前（原图偏暗）图16直方图拉伸后图17直方图拉伸前（原图对比度不强）图18直方图拉伸后（线性拉伸）3．密度分割将灰度图像按照像元的灰度值进行分级，再分级赋以不同的颜色，使原有灰度图像变成伪彩色图像，达到图像增强的目的。
图19原始图像图20密度分割图像4．灰度颠倒灰度颠倒是将图像的灰度范围先拉伸到显示设备的动态范围(如0～255)到饱和状态，然后再进行颠倒，使正像和负像互换。
图21灰度颠倒前图22灰度颠倒后5．图像间运算两幅或多幅单波段图像，空间配准后可进行算术运算，实现图像的增强。
常见的有加法运算、减法运算、比值运算和综合运算。
例如：减法运算：可突现出两波段差值大的地物，如红外-红，可突现植被信息。
比值运算：常用于计算植被指数、消除地形阴影等。
植被指数：NDVI=（IR-R）/（IR+R）图23原始图像图24NDVI植被指数图像6．邻域增强又叫滤波处理，是在被处理像元周围的像元参与下进行的运算处理，邻域的范围取决于滤波器的大小，如3×3或5×5等。
邻区法处理用于去噪声、图像平滑、锐化和相关运算。
图25原始图像图26拉普拉斯滤波图像（5×5）7．主成分分析也叫PCA变换，可以用来消除特征向量中各特征之间的相关性，并进行特征选择。
主成分分析算法还可以用来进行高光谱图像数据的压缩和信息融合。
例如：对LandsatTM的6个波段的多光谱图像(热红外波段除外)进行主成分分析，然后把得到的第1，2，3主分量图像进行彩色合成，可以获得信息量非常丰富的彩色图像。
图27第一主成分图28第二主成分图29第三主成分图30第四主成分图31第五主成分图32第六主成分8．K-T变换即Kauth-Thomas变换，又称为“缨帽变换”。
这种变换着眼点在于农作物生长过程而区别于其他植被覆盖，力争抓住地面景物在多光谱空间中的特征。
目前对这个变换的研究主要集中在MSS与TM两种遥感数据的应用分析方面。
图33第一主分量（亮度）图34第二主分量（绿度）图35第三主分量9．图像融合遥感图像信息融合是将多源遥感数据在统一的地理坐标系中，采用一定的算法生成一组新的信息或合成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。
图36多光谱影像图37高分辨率影像图38融合影像（HSV融合）四．图像裁剪在日常遥感应用中，常常只对遥感影像中的一个特定的范围内的信息感兴趣，这就需要将遥感影像裁减成研究范围的大小。
图39原始影像1．按ROI裁剪根据ROI（感兴趣区域）范围大小对被裁减影像进行裁剪。
图40按ROI（行政区）域裁剪2．按文件裁剪按照指定影像文件的范围大小对被裁减影像进行裁剪。
3．按地图裁剪根据地图的地理坐标或经纬度的范围对被裁减影像进行裁剪。
图41按地图坐标范围裁剪五．图像镶嵌和匀色1．图像镶嵌也叫图像拼接，是将两幅或多幅数字影像(它们有可能是在不同的摄影条件下获取的)拼在一起，构成一幅整体图像的技术过程。
通常是先对每幅图像进行几何校正，将它们规划到统一的坐标系中，然后对它们进行裁剪，去掉重叠的部分，再将裁剪后的多幅影像装配起来形成一幅大幅面的影像。
图42镶嵌左影像图43镶嵌右影像图44镶嵌结果影像2．影像匀色在实际应用中，我们用来进行图像镶嵌的遥感影像，经常来源于不同传感器、不同时相的遥感数据，在做图象镶嵌时经常会出现色调不一致，这时就需要结合实际情况和整体协调性对参与镶嵌的影像进行匀色。
图45匀色前影像图46匀色后影像六．遥感信息提取遥感图像中目标地物的特征是地物电磁波的辐射差异在遥感影像上的反映。
依据遥感图像上的地物特征，识别地物类型、性质、空间位置、形状、大小等属性的过程即为遥感信息提取。
目前信息提取的方法有：目视判读法和计算机分类法。
其中目视判读是最常用的方法。
1．目视判读也叫人工解译，即用人工的方法判读遥感影像，对遥感影像上目标地物的范围进行手工勾绘，达到信息提取的目的。
图47人工解译水系2．图像分类是依据是地物的光谱特征，确定判别函数和相应的判别准则，将图像所有的像元按性质分为若干类别的过程。
（1）监督分类在研究区域选有代表性的训练场地作为样本，通过选择特征参数（如亮度的均值、方差等），建立判别函数，对样本进行分类，依据样本的分类特征来识别样本像元的归属类别的方法。
图48原图像图49监督分类图像（2）非监督分类没有先验的样本类别，根据像元间的相似度大小进行归类，将相似度大的归为一类的方法。
（3）其他分类方法包括神经网络分类、分形分类、模糊分类等分类方法，以及他数据挖掘方法如模式识别、人工智能等，在这里不做进一步阐述。